CLOAF：碰撞感知的人体流
计算机视觉与模式识别
2024-03-15 v1
摘要
即使是当前最好的用于估计人体 3D 形状和姿态的算法，其产生的结果也包含身体自相交。在本文中，我们提出了 CLOAF，它利用常微分方程的微分同胚性质来消除此类自相交，同时仍然施加身体形状约束。我们表明，与以往解决此问题的方法不同，我们的方法完全消除了自相交，且不损害重建的准确性。由于具有可微性，CLOAF 可用于微调姿态和形状估计基线模型，以提高其整体性能并消除其预测中的自相交。此外，我们演示了如何将我们的 CLOAF 策略应用于由用户诱导的几乎任何运动场。CLOAF 还使得编辑运动以与环境交互成为可能，而无需担心潜在的碰撞或丢失身体形状先验。
引用
@article{arxiv.2403.09050,
title = {CLOAF: CoLlisiOn-Aware Human Flow},
author = {Andrey Davydov and Martin Engilberge and Mathieu Salzmann and Pascal Fua},
journal= {arXiv preprint arXiv:2403.09050},
year = {2024}
}
备注
CVPR 2024, 13 pages